物理学20191261--- 基于深度学习的光学镜片缺陷检测的研究和应用.pdfVIP

题目：

摘要

摘要

本论文针对手机镜头镜片的表面缺陷检测问题，提出了一种基于YOLOv7的有效检

测方法。首先，在绪论部分，论文阐述了研究背景及意义，对当前镜片缺陷检测的现状

进行了介绍，并提出了本文的研究内容。由于镜片缺陷检测在保证产品质量、提生产

效率方面具有重要作用，因此本研究具有重要的实际应用价值。在相关技术介绍章节，

首先介绍了镜片的特点，然后对镜片缺陷进行了定义和成因分析，包括裂痕、膜裂、胶

洞和溢胶等四类典型缺陷。接着，论文详细介绍了卷积神经网络（CNN）的基本结构和

工作原理，以及历代目标检测算法的特点。在此基础上，选定了YOLOv7作为本研究的

基础框架，并对其主要结构进行了解析。在镜片表面缺陷检测实验与验证部分，首先对

镜片缺陷图像进行了预处理。包括图像去噪，运用双边滤波减少图像中的噪声影响；形

态学去伪，通过形态学操作去除非缺陷区域；图像标定，对缺陷图像进行标注，为后续

训练提供真实标签。接下来，论文对基于YOLOv7的光学镜片缺陷检测算法进行了改进，

包括损失函数从原始的IoU改进为SIoU,以及非极大值抑制算法从原始的NMS改进为

DIoU-NMSo这两项改进有助于提模型在镜片缺陷检测任务上的准确性。为验证改进

算法的有效性，本论文进行了一系列对比实验。首先，在镜片缺陷图像数据集和实验环

境的基础上，对比了改进前后的算法在镜片缺陷检测任务上的性能。实验结果表明，改

进后的算法在检测精度和实时性方面均取得了显著提升。随后，论文对四类镜片缺陷检

测进行了对比实验，结果显示改进后的算法在不同缺陷类型上均表现出较好的检测性能。

为了评估镜片缺陷检测结果，本研究采用了一系列评价指标，包括准确率、召回率、精

确率和mAP等。通过这些评价指标，可以全面衡量改进后算法在不同缺陷类型上的检

测性能，为后续模型优化提供依据。最后，在结论与展望章节，论文总结了研究成果，

指出基于YOLOv7的改进算法在手机镜头镜片表面缺陷检测方面具有较的准确性和

实时性，能够满足工业生产线上的实际需求。

关键词：镜片缺陷；YOLOv7；目标检测；深度学习；图像处理；卷积神经网络

I

Abstract

Abstract

ThispaperproposesaneectivedetectionmethodbasedonYOLOv7orsuracedeect

detectionomobilephonelens.Firstly,intheintroductionsection,thepaperelaboratesthe

researchbackgroundandsigniicance,introducesthecurrentstatusolensdeectdetection,

andproposestheresearchcontentothispaper.Sincelensdeectdetectionplaysanimportant

roleinensuringproductqualityandimprovingproductioneiciency,thisresearchhas

importantpracticalapplicationvalue.Intherelatedtechnologyintroductionsection,the

characteristicsolensesareintroducedirst,ollowedbythedeinitionandcauseanalysiso

lensdeects,includingcracks,ilmcracks,adhesiveholes,andadhesiveoverlowasour

typicaldeects.Then,thepaperd